python 序列化 性能_学习笔记：Python序列化常用工具及性能对比

1. 闲扯一下：文件

磁盘上的数据，我们一般称为 “文件” ，一般不同的文件都有各自的后缀名，比如 .txt .docx .xlsx .jpg .mp3 .avi 。这些不同类型的文件一般分为两大类：

文本文件： 用记事本打开看到的是英文、发文、中文等字符；

二进制文件： 用记事本打开看到的可能就是一堆乱码；

平日里，大家接触到的更多的是二进制文件，比如word文档，图片，视频，音频等。为了保存和读取这些不同文件，各自都规定了各自的文件格式，这些格式是各自存储的规范。同时为了让保存的文件更小便于传输(比如，视频通过网络传输)，各自还通过一些算法对文件数据进行压缩，尤其是图片、视频和音频都各自有很多压缩算法，比如图片的jpg，音频的mp3，视频的mkv这些即代表了相应的文件格式，还代表了其背后的压缩算法。这些多媒体数据的压缩算法的原则是，在保证媒体质量的前提下尽量使得数据存储量小。

除了文件本身的一些压缩算法，我们还经常使用一些通用的压缩软件对文件进行打包和压缩，比如zip，WinRAR等。

2. 回到原题：Python序列化

我们使用python时，经常用到的数据就是int，float，string，list， dict，tuple这些内置的数据类型和结构。写程序时，我们很可能希望把这些基本数据存储到硬盘，即保存存储结果。这个过程，我们称之为“序列化”

Python里面常用的序列化工具有：

json

pickle

marshal

cPickle是pickle的C语言实现，速度更快，但Python3里面的pickle就是C语言实现的，因此不再包含cPickle模块。

json在web中使用更为广泛，是各种web API的首选数据格式。

以上三种工具，哪一个更快呢？

#!/usr/bin/env python

import time

import json

import pickle

import marshal

def test(data, method):

if method == 'json':

dumps = json.dumps

loads = json.loads

elif method == 'pickle':

dumps = pickle.dumps

loads = pickle.loads

elif method == 'marshal':

dumps = marshal.dumps

loads = marshal.loads

b = time.time()

s = ''

loop = 10000

for i in range(loop):

s = dumps(data)

print('{} dumps time cost: {}'.format(method, time.time() - b))

b = time.time()

for i in range(loop):

loads(s)

print('{} loads time cost: {}'.format(method, time.time() - b))

def main():

# generate test data

data = {}

count = 80

for i in range(10000):

k = '%05d' % (i % count)

if k in data:

data[k].append(i / count)

else:

data[k] = [i/count]

print('data:', len(data))

# test

test(data, 'json')

test(data, 'pickle')

test(data, 'marshal')

if __name__ == '__main__':

main()

以上代码的测试过程是，对一个有80个key的字典进行序列化和反序列化操作，每个模块各循环10000次，统计各自的耗时。用Python3.6跑出的结果如下：

json dumps time cost: 30.436348915100098

json loads time cost: 10.900368928909302

pickle dumps time cost: 1.7617356777191162

pickle loads time cost: 2.8096134662628174

marshal dumps time cost: 1.8232548236846924

marshal loads time cost: 1.991441011428833

由此看出，pickle的性能最好，json最慢。